EBM在医学影像科技领域再获突破，凭借自行开发的语意标注软件系统，成功应用于《台北医学大学医疗体系巨量影像资料库建立与应用计划》中，并正式使用落地。
随着人工智慧与机器学习持续蓬勃发展,台北医学大学通过一校三院,整合大量影像数据、逐步建立起一整套领先水准的影像深度标注界面。
在台湾科技部的支持下，经过12个月的努力，《台北医学大学医疗体系巨量影像资料库建立与应用计划》通过一流的人才与高规格设备，建立了极具临床研究与AI应用价值的国家级医疗影像资料库，并在今年完成1500例肺结节即电脑断层影像标注。为提高日后AI演算法的准确度，EBM开发的语意标注平台被整合于医师工作流程中，这样可在系统中自动侦测与圈选肺节结位置，并通过定量深度语意标注，将放射诊断科医师丰富的判读经验数据化，建立一套含影像数据、病人资料与判读经验的黄金级肺癌资料库，这种资料格式叫DICOM-AIM，是全球第一个以此标准建立的资料库，其中的资讯会在去除病人个人资讯后上传至台湾网路高速中心。
台北医学大学附设医院陈震宇副院长介绍系统架构流程
通过语意标注系统及影像标注系统，EBM协助打造台湾首座大型医疗影像资料库
同期，台湾媒体也对这一智慧平台的应用进行了报道，这一次除了台北医学大学外，台北荣总、台湾大学也加入到这一体系中，为影像标注资料的丰富与收集再添助力。标注影像数据锁定包括心脏冠状动脉疾病、脑转移瘤、原发性脑瘤、听神经瘤、肺癌等疾病的计算机断层、血管摄影、磁振造影和X光等15类影像，通过搜集大量医疗影像与标准化处理后，未来将可使用在训练AI模型演算法，最终达到更准确地判断病灶影像的结果。
语意标注系统可将放射诊断科医师丰富的判读经验数据化
通过一年的时间，该体系收集了近5万个案例，为智慧医疗诊断奠定数据基础，未来，随着资料量的剧增，数据案例会持续进行扩充收集，医师们将可以通过医疗人工智慧应用于临床，并获得更加精准的判读与诊断效果。
